污水处理过程溶解氧浓度的自抗扰控制
工业废水处理中溶解氧的控制1
工业废水处理中溶解氧的控制
目前工业废水采用好气微生物处理已较普遍，而好气微生物必须在有氧的条件下才能使有机物分解成二氧化碳、水、硝酸盐。
在活性污泥法处理工业废水中，通常采用测定溶解氧DO（溶于处理水中的游离氧）的多少来适当调节微生物的氧气。
一般工业废水不含有溶解氧，往往借助于各种曝气器冲气来满足微生物的供氧。
溶解氧的作用不仅提供活性污泥的形成（细胞合成），而且提供细胞物质自身的氧化内（骨源呼吸）和微生物的代谢把有机物氧化分解。
活性污泥法处理工业废水在曝气区内一般溶解氧控制在（2~4）mg∕1（曝气区上、中、下层溶解氧一般误差不大于0.5mg∕1）°溶解氧过高或过低都会影响微生物的代谢、降低水处理效果。
溶解氧过高（大于4mg∕1）会加速消耗污水中的有机物质，使微生物因缺乏营养而引起活性污泥的老化，丝状菌的大量繁殖。
长期过高的溶解氧会降低活性污泥的絮凝性能和吸附能力。
溶解氧过低（小于1.5mg∕1）会使微生物的生命活动受到抑制，导致微生物的衰亡、解体、变质；影响微生物的呼吸作用和活性污泥的净化能力，出现污泥上浮、腐化直至膨胀。
所以，在工业废水处理中，对溶解氧Do的监控工作非常重要。
安莱立思有台式和便携式两款专业的溶解氧仪，型号分别是DO410和D0300,现已受到废水处理行业工程师们的青睐，因为它们能真正给您的实际工作带来便利。
欢迎来电咨询购买。
污水处理中的溶解氧控制技术的研究
污水处理中的溶解氧控制技术的研究污水处理是一项重要的环境保护工作，针对污水处理中的溶解氧控制问题，科学家们进行了广泛的研究。
溶解氧的控制对于维持水体生态平衡和保护水生生物的健康至关重要。
本文将介绍几种常用的溶解氧控制技术。
一、增氧法通过增加溶解氧的浓度，提供给水体中的微生物和水生生物足够的氧气，以促进它们的生长和代谢活动。
常见的增氧法包括机械增氧和生物增氧。
1.1 机械增氧机械增氧是利用机械设备，如曝气机或喷淋装置，将空气或氧气注入水体中，增加溶解氧的浓度。
曝气机通过鼓风机产生气泡，提高水中气液界面，从而增加氧气传递速率。
喷淋装置通过将水喷成细小的水滴，增加氧气与水接触的表面积，从而增加溶解氧的浓度。
1.2 生物增氧生物增氧是利用水中的光合微生物，如藻类和浮游植物，通过光合作用将二氧化碳转化为氧气。
这种方法适用于充足的阳光和适宜的水质条件下，可以提高水体中的溶解氧浓度。
二、减氧法减氧法是通过限制氧气进入水体，减少溶解氧的浓度，以控制水体中的溶解氧含量。
常见的减氧方法包括空气隔离和微生物减氧。
2.1 空气隔离空气隔离技术是将水体与大气隔离，阻止氧气的进入。
这种方法一般应用于逆向溶解氧控制情况，即在某些特定环境下，需要限制水体中的溶解氧含量，以达到特定的处理效果。
2.2 微生物减氧微生物减氧是通过在水体中引入厌氧环境，使厌氧微生物代谢产物消耗水中的溶解氧。
这种方法适用于一些特殊的处理需求，如一些厌氧细菌对溶解氧敏感的处理过程。
三、其他技术除了增氧和减氧技术外，还有其他一些溶解氧控制技术，如光氧化和化学氧化。
3.1 光氧化光氧化是利用紫外线或其他光源照射水体，通过光解反应或其他光化学反应使有机物氧化，进而控制溶解氧的含量。
这种方法适用于特殊的处理需求，如水体中存在有机污染物浓度较高的情况。
3.2 化学氧化化学氧化是通过添加氧化剂，如过氧化氢或臭氧，使有机物在水体中氧化分解，从而控制溶解氧的含量。
这种方法一般适用于有机污染物浓度较高的废水处理过程中。
污水处理中的溶解氧控制与调节方案
采用智能控制技术，实现溶解氧浓度的稳定控 制。
问题
某些情况下，溶解氧浓度过高或过低。
解决方案
根据实际情况调整曝气量或混合液回流量，保持溶 解氧浓度的适宜范围。
问题
溶解氧控制与调节方案的投资和运行成本较高。
解决方案
综合考虑方案的经济性和技术可行性，合理选择适合的 溶解氧控制与调节技术和设备。
05
鱼类呼吸
水生动物如鱼类在呼吸过 程中会消耗溶解氧。
其他生物呼吸
水生植物和动物在呼吸过 程中也会消耗溶解氧。
溶解氧的平衡
自然平衡
在自然环境中，水体中的溶解氧会通过自然曝气和植物光合 作用得到补充，同时也会被微生物和动物消耗，形成一种动 态平衡。
人工调节
在污水处理过程中，可以通过人工调节曝气量、植物生长和 微生物群落等方式来维持溶解氧的平衡，以满足污水处理的 需求。
03
溶解氧控制与调节方案
曝气量控制
总结词
曝气量是影响溶解氧浓度的关键因素，通过控制曝气量可以实现对溶解氧的精 确调控。
详细描述
通过调节鼓风机出气流量或改变曝气器的数量和组合方式，可以控制曝气量的 大小。曝气量增大，会使反应池中的溶解氧浓度升高；反之，溶解氧浓度则会 降低。
混合液回流控制
总结词
通过控制混合液回流量，可以调节反应池中的溶解氧浓度。
溶解氧控制与调节技术有助于加速生物反应过程，提高有机物和 氨氮的去除率。
优化了污水处理工艺
通过实时监测和调控溶解氧浓度，可以灵活调整生物反应条件，实 现工艺优化。
保证了出水质量
合理控制溶解氧水平，可以有效降低污染物残留，提高出水水质。
实际应用中的问题与解决方案
问题
污水处理中的溶解氧控制技术
03
溶解氧控制技术在污水处理中的应用
城市污水处理
城市污水处理是溶解氧控制技术的重要应用领域之一。通过 控制溶解氧的浓度，可以有效去除城市污水中的有机物、氮 、磷等污染物，提高污水处理效果。
在城市污水处理中，溶解氧控制技术主要应用于活性污泥法 、A2O工艺、氧化沟等处理工艺中。通过合理控制溶解氧的 浓度，可以促进微生物的生长繁殖，提高污泥的活性，增强 污水处理能力。
06
实际案例分析
北京某污水处理厂的溶解氧控制技术应用
要点一
总结词
要点二
详细描述
北京某污水处理厂通过采用溶解氧控制技术，实现了对污 水处理的优化，提高了处理效率和出水质量。
该污水处理厂采用了溶解氧控制技术，通过对曝气池中的 溶解氧浓度进行实时监测和调控，实现了对活性污泥菌群 的良好控制。同时，通过智能化的控制系统，实现了对溶 解氧浓度的精准控制，避免了过度曝气或不足导致的能源 浪费和出水质量下降问题。
溶解氧控制技术的发展趋势与展望
智能化控制技术
总结词
随着物联网、大数据和人工智能技术的快速发展，智 能化控制技术在污水处理领域的应用越来越广泛。通 过实时监测溶解氧浓度和其他水质参数，利用智能算 法和模型进行快速分析和决策，实现精准控制和优化 运行。
详细描述
智能化控制技术利用传感器、数据采集和传输设备，将 污水处理厂的运行数据实时传输至中央控制系统。通过 人工智能算法，如深度学习、神经网络等，对历史数据 进行分析和建模，预测溶解氧浓度变化趋势。同时，结 合实时监测数据，自动调整曝气量、搅拌速度等工艺参 数，确保溶解氧浓度维持在最佳范围内。智能化控制技 术的应用可以提高污水处理效率、降低能耗和减少人工 干预。
江苏某农村污水处理站的溶解氧控制技术应用
污水处理过程中的溶解氧控制技术
挑战与前景
协同优化面临着多目标之间的权衡和工艺参 数之间的相互影响等挑战。随着技术的不断 进步和研究的深入，溶解氧控制与其他指标 的协同优化将为污水处理行业带来更加可持
续和高效的发展前景。
THANKS感谢观看Fra bibliotek总结词
通过监测有机物的降解效率，调整曝气量或搅拌速度，提高有机物的降解效率。
详细描述
有机物的降解效率是污水处理过程中的重要指标。通过实时监测有机物的降解效率，可以判断污水处理的效果。 根据监测结果，可以调整曝气量或搅拌速度，为微生物提供适宜的生长环境，促进有机物的降解，提高污水处理 效率。
04
溶解氧控制技术的优缺点
基于微生物生长的控制策略
总结词
通过监测微生物的生长状况，调整曝气量或搅拌速度，促进微生物的生长。
详细描述
微生物的生长状况直接影响有机物的降解效率。通过监测微生物的生长状况， 可以判断有机物的降解效率。根据监测结果，可以调整曝气量或搅拌速度，为 微生物提供适宜的生长环境，促进有机物的降解。
基于有机物降解的控制策略
溶解氧浓度对有机物降解的影响
01
有机物降解是污水处理过程中的重要环节，溶解氧浓度对有机 物降解具有显著影响。
02
适宜的溶解氧浓度能够促进有机物的氧化分解，提高有机物的
降解效率。
溶解氧浓度不足会导致有机物降解效率降低，而溶解氧浓度过
03
高则会导致有机物氧化过度，产生更多的有害物质。
02
溶解氧控制技术
优势与挑战
智能控制技术具有自动化程度高、精度高、 响应速度快等优势，但也面临着技术成熟度 、成本和可靠性等方面的挑战。
新材料和新技术的应用
新材料
新型材料如高分子聚合物、纳米材料等在污水处理领域的应用逐渐增多。这些新材料具 有优异的物理化学性能，能够提高氧气的传质效率和溶解氧的利用率，为溶解氧控制提
污水处理过程的自适应控制
污水处理过程的自适应控制
范石美
【期刊名称】《控制工程》
【年(卷),期】2004(11)2
【摘要】把自适应控制方法应用到污水生化处理过程中,主要是对溶解氧浓度的控制。
使用双线性模型来简化溶解氧动态,对于一些不可以直接测量得到的重要过程参数,采用递推最小二乘算法来估计得到,并设置一步预测输出为期望的输出,从而得到对溶解氧浓度的最小方差自校正控制方案。
仿真结果说明了空气流量和氧气吸收率(OUR)对溶解氧浓度的影响。
【总页数】3页(P130-131)
【关键词】污水处理过程;自适应控制;溶解氧浓度;最小二乘算法
【作者】范石美
【作者单位】浙江工业大学信息学院
【正文语种】中文
【中图分类】X703;TP273.2
【相关文献】
1.神经网络模型参考自适应控制在污水处理中的仿真研究 [J], 胡艳玲;黄兴格;朱春颖;郑翠翠
2.电厂污水处理的自适应控制 [J], 彭炫;段仁君;程邦宇
3.无模型自适应控制技术在工业污水处理系统中的应用 [J], 于晓东
4.基于模糊神经网络的自适应控制在污水处理中的应用研究 [J], 胡兴志
5.污水处理转刷曝气自适应控制系统的研究(英文) [J], 李辉;谯刚;武好明
因版权原因，仅展示原文概要，查看原文内容请购买。
污水处理过程溶解氧浓度的自抗扰控制
污水处理过程溶解氧浓度的自抗扰控制魏伟;左敏;李伟;王小艺;刘载文【摘要】溶解氧是活性污泥法处理污水的一个关键变量,它关系到污水中有机物的生物降解、微生物生长和出水水质.多数污水处理过程选择溶解氧为被控量.然而,溶解氧浓度受进水流量,进水组分、浓度波动等诸多因素影响,较难控制.本文根据曝气量变化确定溶解氧浓度设定值,以污水进水变化率为控制量,设计线性自抗扰控制实现对溶解氧浓度的跟踪,进而获得对污水出水底物浓度的间接控制.设计两组仿真实验,分别模拟进水底物浓度固定和变化时,线性自抗扰控制对溶解氧浓度和出水底物浓度的控制;同时,设计仿真实验验证线性自抗扰控制对总扰动的估计和补偿效果.仿真结果表明,线性自抗扰控制可获得良好的溶解氧浓度跟踪和出水底物浓度控制效果;在进水水质波动时,线性自抗扰控制亦具有很强的干扰补偿能力,可保证出水水质.%Dissolved oxygen(DO)is a key parameter in activated sludge wastewater treatment processes. It relates to the biodegradation of organic compounds,the growth of microorganisms and the effluent quality. DO is always taken as a controlled variable in wastewater treament processes. However,DO concentration is sensitive to many factors,such as the rate of inflow,component of inflow,variation of concentrations.The control of DO concentration is a difficult problem in control engineering. Desired DO concentration is assigned by aeration rate, and dilution rate is taken as the control input. Linear active disturbance rejectioncontrol(LADRC)is designed to make DO concentration tracks the setpoints, and,indirectly,the substrate concentration is controlled within an acceptable level.Two cases,i.e.fixed and varied influent substrateconcentrations,are considered in simulations. Additionally,in order to verify the disturbance rejection and com-pensation ability of LADRC,a group of numerical simulation is also performed.Numerical results show the fact that both DO concentration tracking and substrate concentration regulation can be realized effectively by LADRC,and LADRC is also able to reject the disturbance and guarantee the effluent quality even if the influent wastewater are fluctuated.【期刊名称】《控制理论与应用》【年(卷),期】2018(035)001【总页数】7页(P24-30)【关键词】污水处理;溶解氧;底物浓度;抗扰控制【作者】魏伟;左敏;李伟;王小艺;刘载文【作者单位】北京工商大学计算机与信息工程学院,食品安全大数据技术北京市重点实验室,北京100048;北京工商大学计算机与信息工程学院,食品安全大数据技术北京市重点实验室,北京100048;北京工商大学计算机与信息工程学院,食品安全大数据技术北京市重点实验室,北京100048;北京工商大学计算机与信息工程学院,食品安全大数据技术北京市重点实验室,北京100048;北京工商大学计算机与信息工程学院,食品安全大数据技术北京市重点实验室,北京100048【正文语种】中文【中图分类】TP2731 引言(Introduction)水是人类赖以生存的宝贵资源.我国水资源有限,人均淡水占有量仅为世界人均的1/4,是世界上21个最缺水的国家之一[1].随着我国城镇化、工业化和人民生活水平的提高,人们对水资源的需求越来越大;同时,工业和生活污水的排放量也越来越大,水环境污染问题突出.可见,水资源短缺、水资源污染恶性循环,形势严峻.然而,将污水处理后再次利用,使之资源化,不仅可以避免污染,而且能够极大地减小水资源短缺的压力.活性污泥法模拟自然界水体的自净过程,利用活性污泥中微生物的生命活动,清除污水中的有机污染物,在污水处理领域应用广泛[2].活性污泥法处理污水(其基本流程如图1所示)由好氧生化反应池(曝气池)和沉淀池组成.图1 活性污泥法处理污水的基本流程Fig.1 Layout of activated sludge wastewater treatment processes由图1可知,活性污泥法处理污水时,曝气池内的生化反应实现了污水净化的主要功能.溶解氧参与了曝气池中的生化反应,其浓度决定了生化反应程度和出水水质.溶解氧浓度过低,好氧微生物无法生存、其氧化分解作用亦无法充分发挥;溶解氧浓度过高,会降低除氮效果.同时,增大溶解氧浓度需加大曝气量,进而增加能耗[3–4].因此,从污水处理的工艺、效果,以及节能、降耗等角度看,有效、合理控制溶解氧浓度非常关键.PI/PID[5–7]在溶解氧浓度控制中普遍使用.然而,污水处理过程具有典型的非线性、多变量、强耦合特点,出水水质受进水流量、组分、浓度波动,污泥浓度变化,内回流浓度变化等多源干扰的影响,PI/PID控制效果并不理想.污水处理过程的特点给污水处理过程控制提出了极大的挑战.为获得更好的污水处理效果,改进PID[8]、自组织模糊神经网络控制[9–10]、多目标优化控制[11]、线性二次型最优控制[12]、模型预测控制[13–18]、多变量自适应控制[19]等控制策略相继提出.实际上,污水处理始终处于动态变化之中,出水水质受多源干扰影响.实时、准确地获取扰动信息,并通过控制通道迅速补偿扰动,使被控量不受扰动的影响,是工程控制的本质问题[20].以此为核心,中科院系统所韩京清研究员提出了自抗扰控制[21],之后,美国克利夫兰大学高志强教授继承自抗扰控制的核心思想提出了线性自抗扰控制及其带宽参数化整定方法[22–23].在国内外控制领域众多学者的共同努力下,经过几十年的发展,自抗扰控制的理论和应用研究都取得了长足的发展[24–30].本文将影响溶解氧浓度值、出水底物浓度值的因素视为扰动,从抗扰角度研究污水处理过程控制问题.利用扩张状态观测器实时估计各种不确定因素,并在控制量中予以补偿,以保证溶解氧浓度跟踪效果和出水水质.2 活性污泥污水处理过程模型(Model of activated sludge wastewater treatment processes)活性污泥法利用活性污泥中的微生物去除污水中的有机污染物,是城市生活污水处理的主要方式之一,其基本处理流程由好氧生化反应池(曝气池)和沉淀池构成.如图1所示.好氧生化反应池中,在曝气(充氧)条件下,利用活性污泥的凝聚吸附、氧化分解功能,除氮、除磷,去除污水中的有机污染物、净化污水.沉淀池中,分离生化反应池出水中的活性污泥与处理后的上层清液.沉淀出的活性污泥一部分回流至生化反应池,保持生化反应池内的污泥浓度、以保证污水处理效果;另一部分则被排出,以保证不断生成新的污泥时,系统的污泥总量是动态平衡的.理想状况下,基于物料平衡,F.Nejjari等提出如下污水处理过程(wastewater treatment process,WWTP)的非线性多变量控制模型[19]:式(1)和式(2)中:X(t)为活性污泥浓度,S(t)为出水底物(BOD)浓度,Xr(t)为回流污泥浓度,DO(t)为好氧生化反应池中的溶解氧浓度,D(t)为进水变化率,DOs为最大溶解氧浓度,Sin为进水底物浓度,DOin为进水溶解氧浓度,Y为产率系数,µ(t)为微生物增殖率,µmax为最大增殖率,Ks,KDO为饱和常数,KLa为氧转移系数,α为氧转移率,W(t)为曝气量,K0为模型常数,r,Qr,Qin,β,Qw,Qin为进水、循环和出水常数.关于该模型的更多信息可参见文献[19].对污水处理的非线性多变量控制模型(1)做如下假定[19]:A1)假定仅溶解氧浓度DO(t)可测,污泥浓度X(t)、出水底物浓度S(t)、回流污泥浓度Xr(t)均无法在线检测;A2)假定微生物生长模型已知.模型参数取值见表1.表1 活性污泥法模型参数Table 1 Parameters of the activated sludge wastewater treatment process model参数取值参数取值Y 0.65 KDO 2 mg·L−1 DOs 10 mg·L−1 Sin 200 mg·L−1 r 0.6DOin 0.5 mg·L−1 β 0.2µmax 0.15 α 0.018 m−3Ks 100 mg·L−1 K0 0.53 污水处理的线性自抗扰控制设计(Design of linear active disturbance rejection control for wastewater treatment processes)3.1 污水处理控制方案(A program of wastewater treatment processes)因溶解氧浓度便于在线检测、精度较高,通过在线实时测量溶解氧浓度,控制其在一定的范围内,可保证好氧生化反应池内生物降解的效率、提高出水水质.溶解氧控制被污水处理过程广泛采用.图1所示活性污泥法污水处理流程.污水进入好氧生化反应池后,需要在其中停留一段时间,完成生化反应之后再进入沉淀池.如果进水流量变化太快,即:污水在生化反应池内停留时间过短,要使出水水质达标必然要求以较大的曝气量保证生化反应所需的溶解氧浓度.此操作必然带来较大的能量消耗.然而,出水水质并不一定能够达标.因此,给定合理的曝气量,控制好污水的进水变化率,使溶解氧浓度符合要求,进而保证出水水质是一种可参考的控制方案.本文以进水变化率D(t)为控制量,控制溶解氧浓度,进而实现对出水底物浓度的间接控制,以保证出水水质.3.2 线性自抗扰控制(Linear active disturbance rejection control)线性自抗扰控制(linear active disturbance rejection control,LADRC)由高志强教授提出.它继承了自抗扰控制(active disturbance rejection control,ADRC)的核心思想,利用线性扩张状态观测器实时估计来自系统自身以及外部的总扰动,并予以补偿,最终获得优良的控制性能[22].与ADRC相比,LADRC具有参数整定更为方便、更适合于工程应用的优势.二阶线性自抗扰控制结构如图2所示.图2中:d是外部干扰信号;线性扩张状态观测器(linear extended state observer,LESO)用于实时估计外部干扰d和系统内部的不确定性(如:被控对象的参数摄动、未建模动态等);yr为设定值;控制量u和系统输出y是LESO的两个输入;z1,z2是LESO的两个输出,分别为系统输出及系统总扰动的估计值;kp,b0是可调参数.图2 二阶线性自抗扰控制结构Fig.2 Second-order linear active disturbance rejection control system3.3 溶解氧浓度的线性自抗扰控制设计(Design of dissolved oxygen control by linear active disturbance rejection approach)本文利用线性自抗扰控制策略,设计基于活性污泥法的污水处理过程溶解氧浓度控制.控制结构如图3所示.图3 溶解氧浓度的线性自抗扰控制结构Fig.3 Linear active disturbance rejection control for dissolved oxygen图3中:WWTP为污水处理过程,其动力学方程可由式(1)描述;DOsp为溶解氧浓度设定值;DO为溶解氧浓度实测值;D为进水变化率;d为系统外部干扰.本文以污水的进水变化率为控制量,实现对溶解氧浓度的控制.3.4 闭环系统分析(Analysis of the closed-loop system)3.4.1 闭环稳定性分析(Stability analysis of the closed-loop system)对于污水处理过程,设计线性自抗扰控制律其中:yr为设定值,z1,z2是二阶线性扩张状态观测器的输出,二阶LESO可设计为定理1 对于描述污水处理过程的动态系统(1),选择合适的控制参数ωc,ωo可使闭环系统(1)(3)–(4)有界输入有界输出稳定.证令污水处理过程状态向量x=(X,S,DO,Xr)T,系统输出y=DO,溶解氧浓度设定值yr=DOsp,控制量u=D,系统的总扰动为f.于是,描述污水处理过程的动力学方程(1)可写为对系统(5)设计二阶线性自抗扰控制.依据文献[23],选取控制参数及观测器参数为其中:ωc为控制器带宽,ωo为观测器带宽.于是,对式(4)两端取拉氏变换,有将式(7)代入式(3),可得根据被控系统的动力学方程(5)及控制量(8)可将图3所示溶解氧浓度的线性自抗扰控制结构化为图4所示的等效结构.此时,将系统的总扰动f视为影响系统输出的一个扰动输入信号.图4中,G(s),H(s),Gp(s)分别为图4 溶解氧浓度的线性自抗扰控制等效结构Fig.4 Equivalent structure of the linear active disturbance rejection control for dissolved oxygen由图4可知,系统有两个输入信号yr,f.根据线性系统的叠加原理,可得系统的输出通常,参考输入信号yr和总扰动信号f皆为有界值.于是,选择合适的控制参数ωc,ωo可使闭环系统有界输入有界输出稳定.3.4.2 抗扰性能分析(Disturbance rejection ability analysis of the closed-loop system)若总扰动信号f为单位阶跃,则由式(9)可知,f作用下的系统输出yf为显然,即:总扰动为阶跃信号时,其对输出的稳态影响为零.根据式(9),稳态时,系统输出取决于设定值信号yr以及总扰动被完全补偿时的理想闭环传递函数4 仿真研究(Simulation studies)通常,处理污水时会将污水的进水变化率控制在一定范围内,也就是说进水变化率不能太大,否则会因保证出水水质而加大曝气量,导致能耗增大,出水水质也未必能够得到保证.本文利用进水变化率控制溶解氧浓度.通过设定曝气量的合理变化,确定溶解氧浓度的设定值.设计线性自抗扰控制确定进水变化率,使溶解氧浓度达到设定值,同时保证出水的底物浓度在允许范围之内.与文献[6]选取相同的曝气量W(t)(如图5所示),曝气量与溶解氧设定值之间的关系为[6]污水处理动力学方程的模型参数初值如表2所示.表2 污水处理动力学模型参数初值Table 2 Initial values of the wastewatertreatment dynamic model参数 X(0) S(0) Xr(0) DO(0)取值/(mg·L−1) 210 27 400 6.87设计二阶线性自抗扰控制.仿真中控制参数取值如表3所示.表3 线性自抗扰控制参数取值Table 3 Parameters of linear active disturbance rejection control参数ωc ωo b0取值2 24 −20为便于对比,加入溶解氧控制中常用的PID控制,其参数可依据文献[6]的PI参数整定规则,取为通过3组仿真实验,比较线性自抗扰与PID的控制效果、验证线性自抗扰控制估计和补偿总扰动的能力.第I组实验考虑进水底物浓度Sin为固定值(Sin=200mg·L−1)时的污水处理效果. 经线性自抗扰和PID控制的溶解氧浓度跟踪响应、出水底物浓度变化以及进水变化率分别如图6–8所示.图5 曝气量设定值Fig.5 Setting values of the aeration rate由图6至图8可知,与PID控制相比,线性自抗扰控制能够以较小的进水变化率获得更好的跟踪性能,并且能够保证出水底物浓度在最大允许值20mg·L−1[6]范围内. 同时,图6也表明溶解氧浓度设定值不断变化时,线性自抗扰控制具有更好地适应设定值变化的能力.第II组实验进水底物浓度Sin变化时的污水处理效果.考虑到污水的进水水质动态变化,仿真中假定进水底物浓度实时变化(进水底物浓度变化曲线如图9所示),考察LADRC的抗扰能力.图6 溶解氧浓度变化Fig.6 Responses of the dissolved oxygen图7 出水底物浓度变化Fig.7 Responses of the ef fl uent substrate图8 进水变化率Fig.8 Dilution rate从图9可知,进水浓度变化最大时达50%.仿真中,曝气量和溶解氧浓度设定值与第I 组实验相同,保持线性自抗扰和PID控制参数不变.图10至图12分别给出了进水底物浓度变化时,经线性自抗扰和PID调节后的溶解氧浓度跟踪响应、出水底物浓度变化以及进水变化率的情况.图9 进水底物浓度变化Fig.9 Variations of the in fl uent substrate图10 溶解氧浓度变化Fig.10 Responses of the dissolved oxygen图11 出水底物浓度变化Fig.11 Responses of the ef fl uent substrate图12 进水变化率Fig.12 Dilution rate从图10至图12的仿真结果看,即使进水底物浓度波动较大,线性自抗扰控制仍可实时、准确地估计并补偿总扰动,实现以较小的进水变化率获得更好的溶解氧浓度跟踪效果,并保证出水底物浓度达标.这表明线性自抗扰控制具有很强的抗干扰能力. 第III组实验验证自抗扰控制对扰动的估计和补偿能力.考察进水底物浓度Sin变化时的情形(Sin变化如图9所示).扩张状态观测器对总扰动的估计效果、经控制量补偿后的模型近似效果分别如图13及图14所示.从图13可见,总扰动信号可近似为分段阶跃扰动,线性扩张状态观测器可很好地估计之.经线性自抗扰控制估计和补偿后,污水处理系统(5)近似为一个线性系统,其闭环传递函数为图14表明,该线性系统在溶解氧浓度设定值yr=DOsp的作用下,其溶解氧浓度响应与同样的设定值作用下,污水处理系统(5)的溶解氧浓度响应几乎完全相同.这与第3.3.2节的抗扰性能分析结果一致.图13 总扰动估计效果Fig.13 Estimation of the generalized disturbances图14 模型近似效果Fig.14 Model approximation5 结论(Conclusions)本文基于污水处理过程的非线性多变量控制模型,研究了溶解氧浓度的跟踪控制问题.在给定曝气量的前提下,确定溶解氧浓度设定值,以进水变化率为控制量,设计二阶线性自抗扰控制,实现了溶解氧浓度的跟踪和出水底物浓度的调节.仿真实验和理论分析均表明线性自抗扰控制能够应对进水水质波动,实现良好的溶解氧浓度跟踪控制,保证出水水质.参考文献(References):【相关文献】[1]WANG Xi,WANG Zhan,YANG Wentao,et al.Shortage of water resources in China and countermeasures[J].Environmental Engineering,2014,32(7):1–5.(王熹,王湛,杨文涛,等.中国水资源现状及其外来发展方向展望[J].环境工程,2014,32(7):1–5.)[2]PENG Yongzhen.Biological Nitrogen Removal,Phosphorus Removal of Waste Water by SBR Approach and Its Process Control[M].Beijing:Science Press,2011.(彭永臻.SBR法污水生物脱氮除磷及过程控制[M].北京:科学出版社,2011.)[3]CARLOS A C B,RUI A M A,JORGE A C L.Dissolved oxygen control of the activated sludge wastewater treatment process using stable adaptive fuzzy control[J].Computers and Chemical Engineering,2012,37(10):152–162.[4]ZHANG Rongbing,BAO Haipeng,BAI Xue,et al.Application of aeration volume control system to stable operation and energy savinig optimization ofA2/Oprocess[J].China Water&Wastewater,2012,28(12):71–74.(张荣兵,鲍海鹏,白雪,等.AVS系统在A2/O工艺稳定运行及节能优化中的应用[J].中国给水排水,2012,28(12):71–74.)[5]AMAND L,CARLSSON B.Optimal aeration control in a nitrifying activated sludge process[J].Water Research,2012,46(7):2101–2110.[6]VLAD C,SBARCIOG M,BARBU M,et al.Indirect control of substrate concentration for a wastewater treatment process by dissolved oxygen tracking[J].Control Engineering and Applied Informatics,2012,14(1):37–47.[7]VILANOVA R,KATEBI R,ALFARO V.Multi-loop PI-based control strategies for the activated sludge process[C]//Proceedings of IEEE Conference on Emerging Technologies&Factory Automation.Palma de Mallorca,Spain:IEEE,2009:1–8.[8]JIANG Yunwei,WANG Xiaoyi,WEI Wei,et al.Research of sewage treatment control method based on anti-disturbance and fuzzy PID[J].Computers and Applied Chemistry,2013,30(7):748–752.(蒋耘玮,王小艺,魏伟,等.基于抗扰动模糊PID的污水处理控制方法研究[J].计算机与应用化学,2013,30(7):748–752.)[9]QIAO Junfei,FU Wentao,HAN Hongui.Dissolved oxygen control method based on self-organizing T-S fuzzy neural network[J].CIESC Journal,2016,67(3):960–966.(乔俊飞,付文韬,韩红桂.基于SOTSFNN的溶解氧浓度控制方法[J].化工学报,2016,67(3):960–966.)[10]ZHOU Hongbiao.Dissolved oxygen control of wastewater treatment process using self-organizing fuzzy neural network[J].CIESC Journal,2017,68(4):1516–1524.(周红标.基于自组织模糊神经网络的污水处理过程溶解氧控制[J].化工学报,2017,68(4):1516–1524.)[11]RAINIER H,NICOLAS R,BRQHIM B.Multi-objective optimal control of small-size wastewater treatment plants[J].Chemical Engineering Research andDesign,2015,102(10):345–353.[12]ABOUZLAM M,OUVRARD R,MEHDI D.An optimal control of a wastewater treatment reactor by catalytic ozonation[J].Control Engineering Practice,2013,21(1):105–112. [13]PIMENTEL G A,RAPAPORT A,WOUWER A V.Nonlinear model predictive control of a wastewater treatment process fitted with a submerged membranebioreactor[C]//Proceedings of International Symposium on Advanced Control of Chemical Processed.Whistler,British Columbia,Canada:Elsevier,2015:1246–1251.[14]MULAS M,TRONCI S,CORONA F,et al.Predictive control of an activated sludge process:an application to the Viikinmäki wastewater treatment plant[J].Journal of Pro cess Control,2015,35(11):89–100.[15]YANG T,QIU W,MA Y.Fuzzy model-based predictive control of dissolved oxygen in activated sludge processes[J].Neurocomputing,2014,136(7):88–95.[16]WANG X,RATNAWEERA H,ABDULLAH J,et al.Statistical monitoring and dynamic simulation of a wastewater treatment plant:a combined approach to achieve model predictive control[J].Journal of Environmental Management,2017,193(5):1–7.[17]SANT´IN I,PEDRET C,VILANOVA R,et al.Advanced decision control system for ef fl uent violations removal in wastewater treatment plants[J].Control EngineeringPractice,2016,49(4):60–75.[18]HAN H G,QIAN H H,QIAO J F.Nonlinear multiobjective modelpredictive control scheme for wastewater treatment process[J].Journal of Process Control,2014,24(3):47–59.[19]NEJJARI F,DAHHOU B,BENHAMMOU A,et al.Nonlinear multivariable adaptive control of an activated sludge wastewater treatment process[J].International Journal of Adaptive Control and Signal Processing,1999,13(5):347–365.[20]GAO Zhiqiang.On the problem of information in engineering cybernetics[J].Journal ofSystemsScience andMathematical,2016,36(7):908–923.(高志强.浅谈工程控制的信息问题[J].系统科学与数学,2016,36(7):908–923.)[21]HAN Jingqing.Auto-disturbances-rejection controller and its applications[J].Control and Decision,1998,13(1):19–23.(韩京清.自抗扰控制器及其应用[J].控制与决策,1998,13(1):19–23.)[22]GAO Zhiqiang.On disturbance rejection paradigm in controlengineering[C]//Proceedings of the 29th Chinese ControlConference.Beijing:IEEE,2010:6071–6076.(高志强.控制工程的抗扰范式[C]//第29届中国控制会议论文集.北京:IEEE,2010:6071–6076.)[23]GAO Z Q.Scaling and bandwidth-parameterization based controllertuning[C]//Proceedings of American Control Conference.DenverColorado,USA:IEEE,2003:4989–4996.[24]TANG Decui,GAO Zhiqiang,ZHANG Xuhong.Design of predictive active disturbance rejection controller for turbidity[J].Control Theory&Applications,2017,34(1):102–108.(唐德翠,高志强,张绪红.浊度大时滞过程的预测自抗扰控制器设计[J].控制理论与应用,2017,34(1):102–108.)[25]LI Yi,CHEN Zhengqiang,SUN Minwei,et al.Attitude control for quadrotor helicopter based on discrete-time active disturbance rejection control[J].ControlTheory&Applications,2015,32(11):1470–1477.(李毅,陈增强,孙明玮,等.离散型自抗扰控制器在四旋翼飞行姿态控制中的应用[J].控制理论与应用,2015,32(11):1470–1477.)[26]CHEN Zhengqiang,LI Yi,YUAN Zhuzhi,et al.Attitude control of tandem rotor helicopter based on cascade active disturbance rejection control[J].ControlTheory&Applications,2015,32(9):1219–1225.(陈增强,李毅,袁著祉,等.串级自抗扰控制器在纵列式双旋翼直升机飞行姿态控制中的应用[J].控制理论与应用,2015,32(9):1219–1225.)[27]SHI Rongqi,HE Tianqi,PENG Jie,et al.System design and control for waste heat recovery of automotive engines based on organic rankinecycle[J].Energy,2016,102(5):276–286.[28]ZHENG Q,GAO Z Q.Active disturbance rejection control:between the formulation in time and the understanding in frequency[J].Control Theory andTechnology,2016,14(3):250–259.[29]SHAO S,GAO Z Q.On the conditions of exponential stability in active disturbance rejection control based on singular perturbation analysis[J].International Journal of Control,2016,9(2):1–13.[30]WEI W,ZHANG W C,LI D H,et al.On the stability of linear active disturbance rejection control:virtual equivalent system approach[C]//Proceedings of Chinese Intelligent System Conference.Yangzhou,China:Springer,2015:295–306.。
污水处理曝气过程溶解氧浓度模糊自整定PID控制
污水处理曝气过程溶解氧浓度模糊自整定PID控制宁楠; 马海涛【期刊名称】《《长春工业大学学报（自然科学版）》》【年(卷),期】2019(040)004【总页数】7页(P325-331)【关键词】模糊PID; 溶解氧; 污水处理; 曝气过程; 自动控制【作者】宁楠; 马海涛【作者单位】长春工业大学电气与电子工程学院吉林长春 130012【正文语种】中文【中图分类】TP301.60 引言我国淡水资源有限，随着人民生活水平的提高，以及污水处理技术的高速发展，污水已不是传统意义上的废水，而是一种可循环利用的水资源。
污水处理比较常用的方法是活性污泥法，它是一种模拟自然界水体自净过程的污水处理工艺，利用曝气池内的生化反应实现污水净化。
针对生化曝气池进水流量波动幅度大，系统多处于非平稳状态，传统的PID控制策略难以实现良好的控制效果，而将模糊控制和PID控制相结合可以较好地解决这一问题[1]。
根据系统的实际运行状况进行动态调整，使污水处理系统既具有PID控制的响应速度快、控制精度高等特点，又具有模糊控制的鲁棒性强、灵活度高的优点。
该方法结合模糊逻辑，有较强的自组织、自适应能力，以较小的超调可快速将曝气池中溶解氧浓度调节为设定值。
1 污水处理工艺过程及其溶解氧浓度建模在活性污泥法污水处理过程中，溶解氧(Dissolved Oxygen, DO)浓度作为曝气环节中关键性的运行参数[2]，影响着活性污泥生化池中微生物的活性，并且决定了生化反应程度和出水水质[3]。
对溶解氧的合理控制影响着污水净化效果和系统能耗。
在曝气过程中，若曝气池中的DO浓度过低，好氧微生物无法生存，其氧化分解作用则无法充分发挥；若DO浓度过高，则会降低除氮效果。
因此，合理有效控制溶解氧浓度非常关键。
1.1 污水处理工艺过程活性污泥法污水处理过程的整体结构具有两个区域，包含生化反应池与沉淀池(又称二沉池)。
生化反应池中，在溶解氧的作用下，利用活性污泥中的微生物分解吸附有机污染物，从而净化污水。
污水处理关键参数控制
污水处理关键参数控制一、引言污水处理是保护环境和人类健康的重要工作之一。
在污水处理过程中，关键参数的控制对于处理效果的稳定性和水质的合格性至关重要。
本文将详细介绍污水处理中的关键参数控制，并提供相应的数据和标准。
二、污水处理关键参数1. pH值控制pH值是衡量污水酸碱程度的指标，对于污水处理来说，pH值的控制对于污水中有机物的降解和沉淀有着重要影响。
一般来说，污水处理厂的进水pH值应保持在6-9之间，出水pH值应控制在6.5-8.5之间。
2. 溶解氧（DO）控制溶解氧是衡量水体中溶解氧含量的指标，对于污水处理来说，溶解氧的控制对于生物处理单元的正常运行至关重要。
一般来说，生物处理单元的溶解氧浓度应保持在2-4 mg/L之间。
3. 温度控制温度是影响污水处理过程中微生物活性和化学反应速率的重要因素。
一般来说，污水处理厂的进水温度应控制在10-40摄氏度之间，出水温度应与环境温度相近。
4. 污泥浓度控制污泥浓度是指污水处理过程中污泥中悬浮物的含量，对于沉淀池和污泥处理设备的正常运行具有重要影响。
一般来说，污水处理厂的进水污泥浓度应控制在2000-5000 mg/L之间。
5. 氨氮（NH3-N）控制氨氮是衡量水体中氨氮含量的指标，对于污水处理来说，氨氮的控制对于生物处理单元的正常运行和氮的去除效果至关重要。
一般来说，污水处理厂的进水氨氮浓度应控制在20-50 mg/L之间，出水氨氮浓度应低于10 mg/L。
三、污水处理关键参数控制的方法1. 自动化控制系统污水处理厂可以通过建立自动化控制系统来实现对关键参数的精确控制。
该系统可以根据实时监测数据和预设的控制策略，自动调节处理过程中的关键参数。
2. 定期监测和调整污水处理厂应定期对进水和出水的关键参数进行监测，并根据监测结果进行相应的调整。
例如，根据进水pH值的偏高或偏低，可以通过添加酸碱调节剂来调整pH值。
3. 运营人员培训和管理污水处理厂应加强运营人员的培训和管理，确保其具备良好的操作技能和专业知识。
溶解氧浓度控制
溶解氧浓度控制溶解氧是维持水体生态系统的重要指标之一，对水生生物的生长、繁殖和代谢活动具有重要影响。
缺氧或低氧环境会对水生生物造成极大危害，因此，控制水体中的溶解氧浓度至关重要。
下面将从影响溶解氧浓度的因素和控制溶解氧浓度的方法两个方面进行详细阐述。
影响溶解氧浓度的因素1. 水温水温是影响溶解氧浓度的最重要因素。
水温升高，溶解氧浓度下降；水温降低，溶解氧浓度增加。
这是因为水温升高使水分子的运动加快，分子间的化学键能降低，从而导致氧分子与水分子间的化学键强度减弱，氧分子从水中逸出。
2. 溶解氧的压力溶解氧的压力也是影响溶解氧浓度的重要因素。
压力越大，溶解氧越多；压力越小，溶解氧越少。
这是因为气体溶解在液体中是一个动态平衡的过程，当溶解氧分子数量增加时，逸出溶液的氧分子数量也会增加，反之亦然。
3. 气候气候因素对水体中溶解氧的影响也很重要。
例如，气温升高、高水位、强风等因素会促进氧气向水体中传递，从而提高水体中溶解氧的浓度。
4. 生物活动生物活动也是影响水体中溶解氧浓度的重要因素。
例如，藻类和其他植物在光照下能够进行光合作用，吸收二氧化碳释放氧气，增加水体中溶解氧浓度。
同时，动物呼吸和分解有机物也会消耗水中的氧气，降低水体中的溶解氧浓度。
1. 水中搅拌通风水中搅拌通风是一种简单有效的方法，能够提高水体中溶解氧的浓度。
通过改变水体的流动状态，增加水体表面积，使空气与水接触面积增加，增强氧气向水中传递。
2. 植物修复植物修复也是一种有效的方法，通过水生植物的光合作用来吸收二氧化碳释放氧气，从而增加水体中溶解氧的浓度。
同时，植物还能通过吸收营养盐、有机物等来减少水体的污染，改善水质。
生物曝气法是一种控制溶解氧浓度的有效方法，通过生物曝气装置将空气输送到水底进行曝气，使水中溶解氧浓度增加。
总之，控制水体中的溶解氧浓度对于维护水生生物的健康和生态平衡具有重要意义。
在实际操作时，需要综合考虑影响溶解氧浓度的各种因素，采取综合措施以达到合理的控制目标。
污水处理过程中溶解氧的控制问题汇总
污水处理过程中溶解氧的控制问题汇总溶解氧和污泥浓度有比较密切的关系，高活性污泥浓度对溶解氧的需求明显高于低活性污泥浓度对溶解氧的需求；溶解氧和原水中有机物含量的多少有关，具体表现在原水中的有机物含量越多，微生物为代谢分解这些有机物所需消耗的溶解氧就越多，相反就少了；溶解氧和原水中的一些特殊的成分也有关系，比如水中的洗涤剂的存在，使曝气池液面存在隔绝大气的隔离层，对曝气效果的提升产生影响。
问题1：我运营的污水厂属于综合性工业废水处理厂，目前生化区出现大量泡沫，电导率由原来的3ms/cm上升至8ms/cm，SVI值为200，溶解氧一直上不去，只有0.6mg/l，疑有有毒物质进入。
目前这种状况，我该如何操作是好？回答：1、不知道泡沫颜色是怎样的：如果是粘稠白色，堆高明显的话，需要考虑进水负荷过大导致的（比如说COD进水太高了），所以需要调查下进水有机物含量再作判断。
2、你所说的，溶解氧上不去和疑有有毒物质进入是相反关系，也就是说，如果有有毒物质进入的话，反而溶解氧上得去的。
问题2：在进水量MLSS曝气风量一定的时候，进水BODCOD增加，DO为什么会下降？MLSS通过排泥控制，使其不变。
回答：1、有机物浓度的增加，在去除率不变的情况下，微生物的去除能力提高了，而在处理新增的有机物时，自然要多消耗DO。
2、这里有个概念要说一下，就是同样的MLLSS，但是出于不同阶段的活性污泥，其活性是不一样的，好比10个老人和10个年轻人，干活量有差别，自然，10年轻人吃起饭来要比10个老年人多，也就是DO会多消耗。
问题3：在A/O生化法中，A段进水O段出水的PH值都在6.7左右，进水指标正常，氨氮在几十个，COD 在1000mg/L左右，致使进水负荷只能提到50吨，再提则溶解氧就不够了，溶解氧始终在2左右，是什么原因呀？回答：请确认如下可能：1、回流比过高2、曝气设备问题（比如堵塞曝气头，其他地方漏气，设备故障等）3、气温升高，溶解氧溶解度减低4、污泥浓度控制过高了5、检测溶解氧出现偏差。
污水处理关键参数控制
污水处理关键参数控制一、引言污水处理是指将废水中的有害物质去除或转化为无害物质的过程。
在污水处理过程中，关键参数的控制对于确保处理效果和环境保护至关重要。
本文将详细介绍污水处理中的关键参数及其控制方法。
二、关键参数及其控制方法1. 水质参数(1) 污水pH值控制：污水处理过程中，pH值的控制对于细菌的生长和化学反应至关重要。
一般而言，污水处理厂的pH值应保持在中性范围内，即6.5-8.5之间。
可以通过添加酸碱来调节pH值。
(2) 溶解氧(DO)浓度控制：溶解氧是细菌生长和有机物降解的必要条件。
污水处理过程中，应保持适当的溶解氧浓度，一般要求在4-6 mg/L之间。
可以通过增加曝气时间和增加曝气强度来提高溶解氧浓度。
(3) 悬浮物(SS)浓度控制：悬浮物是污水中的固体颗粒，对于处理效果和设备运行稳定性有重要影响。
一般而言，污水处理厂的悬浮物浓度应控制在30-50 mg/L 之间。
可以通过加大沉淀池的面积和增加沉淀时间来降低悬浮物浓度。
2. 温度参数污水处理过程中的温度对于细菌的生长和化学反应速率有重要影响。
一般而言，污水处理厂的温度应保持在20-35摄氏度之间。
可以通过加热或降温设备来控制污水的温度。
3. 氧化还原电位(ORP)参数污水处理过程中的ORP值反映了污水中的氧化还原性质。
一般而言，污水处理厂的ORP值应保持在-100mV至+100mV之间。
可以通过添加氧化剂或还原剂来调节ORP值。
4. 氨氮(NH3-N)参数污水中的氨氮是一种有害物质，对于水体生态环境有较大影响。
一般而言，污水处理厂的氨氮浓度应控制在5-10 mg/L之间。
可以通过增加曝气时间和增加曝气强度来降低氨氮浓度。
5. 总磷(TP)参数污水中的总磷是一种重要的污染物，对于水体富营养化和水生生物的生存有较大影响。
一般而言，污水处理厂的总磷浓度应控制在0.5-1.0 mg/L之间。
可以通过添加化学药剂来降低总磷浓度。
6. COD和BOD参数COD和BOD是衡量污水有机物含量的重要指标。
基于自适应遗传PID算法的溶解氧(DO)浓度控制
基于自适应遗传PID算法的溶解氧（DO）浓度控制作者：王威来源：《中小企业管理与科技·下旬刊》2015年第11期摘要：曝气池溶解氧（DO）是一个重要的运行参数。
采用自适应遗传PID算法实现溶解氧浓度控制具备在线调整功能，可以动态适应工况变化，取得良好的控制效果。
关键词：自适应;PID;DO曝气池溶解氧（DO）在污水处理中是一个重要运行参数，理论分析，当溶解氧达到0.3mg/L就不会影响水中微生物的生理功能。
考虑到水质及水量变化波动情况，通常保证入口处为0.5-1mg/L，出口处为2-3mg/L。
按溶解氧数值控制风量是目前比较理想的控制方法。
在城市生活污水停留时间内需要氧气（或空气）数量与污水的水质指标有关，如SS（悬浮物）、COD（化学需氧量）、BOD （生物需氧量）、水量及水温等。
根据工艺理论分析，通过经验公式计算可以得到鼓风量的理论值。
在实际运行时，能够根据进水的水质和水量的变化对鼓风量作出调整。
实际工作中，需要通过实验得到污水水质指标。
测定一些指示需很多时间，如测量COD需要数小时，测量BOD甚至需要几天时间，这不利于进行实时控制。
实际工程应用中，对于连续流动的曝气池，只要污水在曝气池出口的溶解氧浓度保持在某一设定值，就可以不考虑水质、水量、水温等扰动的变化，从宏观上能较好地满足菌胶团繁殖和有机物分解的需要，从而保持污泥活性，保证污水的连续处理。
为达到可靠的控制，可参数间的关系是：污水中溶解氧含量的偏差与曝气量的增量（或减量）成反比，即当溶解氧值偏小时，向大调节气量;反之亦然。
当我们在实际中，曝气量值的设定是根据工艺理论值为参考的，经溶解氧反馈信号比较后，再根据偏差大小的结果随时对气量的多少进行调节，从而确保了污水的溶解氧值可以维持最初设定值内。
下面是国内污水处理厂设计当中常采用的控制方案。
<D：＼123456＼中小企业管理与科技·下旬刊201511＼1-297＼217-1.jpg>图1 ;溶解氧控制过程框图如图1所示的串级控制系统，副回路采用PI控制策略，主回路一般采用PID控制策略。
污水处理系统溶解氧的BP―PID控制算法
污水处理系统溶解氧的BP^PID控制算法DOIDO：I 10.11907/rjdk.1725800 引言随着现代工业的发展和城镇化进程的加快，水污染问题越来越严重。
对污水进行有效处理，可以提高居民的生活质量，改善人们的生活条件[1] 。
污水处理是一个复杂系统，其处理过程受到很多因素的影响[2] 。
其中，对曝气池中溶解氧的含量精准控制是污水处理系统的重要环节，当溶解氧含量过高或过低时，都会对污水处理效率造成相应影响。
传统的PID 由于鲁棒性好、控制算法简单、易于实现等优点，被广泛运用于污水处理系统溶解氧含量的控制中，比直接作用式调节器的控制效果好。
然而传统PID 控制也存在一些不足，其中最重要的是PID参数的设置问题，因为一旦PID的参数得到确定，则整个控制过程都是固定的[3] 。
而在实际污水处理系统中，系统状态会时常发生改变，PID参数的固定不变会导致系统处于不稳定状态。
针对传统PID 控制的这一不足，提出了将BP神经网络与传统PID 相结合的方法，实现了PID 控制器控制参数的自整定[4-5] 。
仿真实验表明，此法提高了系统的动态性能和稳态精度，能够较好地满足系统需求。
1 溶解氧浓度模型建立有效的水处理取决于对瀑气池中溶解氧含量的适当处理。
溶解氧含量受两个因素影响：①提供给曝气池的空气速率；②污水中溶解氧的消耗速率。
污水处理过程中溶解氧含量具有非线性、时变性特点[7] ，其速率变化公式为：溶解氧含量变化率=DO输入速率-DO输出速率+DO 产生率-DO消耗率[8]，曝气过程的动态数学模型如下：2 基于BP 神经网络的PID 原理2.1 总体结构设计(1)经典PID 控制器。
PID 控制器是一种线性控制器，根据系统误差，利用比例参数kp，积分参数kI，微分参数kd对系统进行控制[9]。
PID的控制原理如图1所示。
(2)基于BP神经网络的PID控制器。
BP神经网络能根据系统运行状态，通过在线学习调节PID 控制器的控制参数，使其系统性能达到最优[10-11] 。
城市污水处理A／A／O工艺中优化溶解氧自动控制的设计
Ｑｉ ｕ Ｓ ｈ ａ ｏ ｎ ａ ｎ ， Ｃ ｈ ａ ｎ Ｆ ａ ｎ ｇ ｐ ｉ ｎ ｇ
ａ ｉ ｚ ｈ ｏ ｕ Ｗ ａ ｔ ｅ ｒ Ｓ ｕ ｐ ｐ ￣Ｃ ｏ ｍ ｐ ａ ｎ ｙ ， Ｙ ａ ｎ ｔ ａ ｉ Ｓ ｈ ａ ｎ ｄ ｏ ｎ ｇ ２ ６ １ ４ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
ｄ ｉ ｓ ｓ ｏ ｌ ｖ ｅ ｄ ｏ ｘ ｙ ｇ ｅ ｎ ｉ ｎ ｔ ｈ ｅ ａ ｅ ｒ ａ ｔ ｉ ｏ ｎ ｔ ａ ｎ ｋ ｔ ｏ ａ ｃ ｅ ｒ ｔ ａ ｉ ｎ ｅ ｘ ｔ ｅ ｎ ｔ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｕｒ ｂ ａ ｎ ｓ ｅ ｗａ ｇ ｅ ； Ｄｉ ｓ ｓ ｏ ｌ ｖ ｅ ｄ ｏ ｘ ｙ ｇ ｅ ｎ ； Ｄｅ ｓ ｉ ｇ ｎ
Ａ ／ Ａ ／ Ｏ污 水处理 由厌氧 反应器 、缺氧反 应器 、好氧反 应器和 沉淀 在该 公式 当中 ，Ｋ 表 达的是 曝气 的传质 系数 ，在本文 的优化溶解 氧 自
池四个基奉单元组成 ，其中厌氧反应器主要接收最原始 的污水 ，并将污 动 控制系统模型 当 中，曝气传 质系数值 ＝ ａ ｑ ＋ ｂ 。在优化溶解 氧 自动
化措 施 ，在 一 定程 度上 减 少曝 气池 当中溶 解氧 的波 动 范围。 关键 词 ： 城 市 污水 ；溶 解氧 ；设 计
中图分 类号 ：Ｕ６ ６ ４ ９ ＋ ２
文 献标 识码 ：Ａ 文 章编 号 ：２ ０ ９ ５ — ６ ７ ２ Ｘ （ ２ ０ １ ７ ） ０ ３ — ０ １ ６ ２ — ０ ２
ቤተ መጻሕፍቲ ባይዱ
Ｄ０Ｉ １ ０ ｌ ６ ６ ４ ７ ／ ｊ ｃ ｎ ｋ ｉ ｃ ｎ １ ５ — １ ３ ６ ９ ／ Ｘ ２ ０ １ ７ ０ ３ ０ ８ ６
Ｄｅ ｓ ｉ ｇ ｎ ｏ ｆ ｏ ｐ ｔ ｉ ｍａ ｌ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｏ ｆ ｄ ｉ ｓ ｓ ｏ ｌ ｖ ｅ ｄ ｏ ｘ ｙ ｇ ｅ ｎ ｉ ｎ Ａ／ Ａ／ ０ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ ｍｕ ｎ ｉ ｃ ｉ ｐ ａ ｌ ｗａ ｓ ｔ ｅ ｗａ ｔ ｅ ｒ ｔ ｒ ｅ ａ ｔ ｍｅ ｎ ｔ
特殊天气污水溶解氧浓度的自适应广义预测控制
特殊天气污水溶解氧浓度的自适应广义预测控制许玉格;邓文凯;张雍涛【摘要】污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰;文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制;该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小;仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气(如雨天和暴雨天)中.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)012【总页数】5页(P4052-4056)【关键词】自适应广义预测控制;模糊神经网络模型;污水处理;溶解氧浓度【作者】许玉格;邓文凯;张雍涛【作者单位】华南理工大学自动化科学与工程学院,广州 510640;华南理工大学自动化科学与工程学院,广州 510640;华南理工大学自动化科学与工程学院,广州510640【正文语种】中文【中图分类】TP18活性污泥污水处理工艺在当前污水处理行业应用广泛，而其中溶解氧浓度是影响污水处理过程效率、运行费用以及稳定性的主要控制因素。
溶解氧浓度控制的难点之一是污水处理过程本身的非线性、时变性以及特殊天气造成的强烈入水波动对控制性能的干扰。
预测控制算法将溶解氧浓度模型应用到控制器的设计中，并取得较好的控制结果。
在预测控制方面，Yang、Han、Sergiu Caraman等人分别采用基于模糊模型、多目标模型、自组织径向基神经网络模型、前馈神经网络模型的模型预测控制算法，实现对溶解氧浓度的有效控制[1-4]；Yang[5]利用模糊C均值聚类算法得到活性污泥1号模型(activated sludge model No.1，ASM1)的模糊模型结构，利用预测控制方法设计ASM1中溶解氧浓度的控制器，在瞬态和稳态性能方面都表现出优越性。
污水处理中的溶解氧控制
利用智能控制算法和自动化设备，实现溶解氧的自动调节，提高污水处理效果和稳定性。
自动化调节
通过物联网和云计算等技术手段，实现溶解氧控制的远程监控和管理，提高管理效率和响应速度。
远程监控与管理
THANKS
感谢您的观看。
02
通过在线监测仪器和自动化控制系统，可以及时调整曝气装置的运行状态，确保溶解氧浓度的稳定。
03
监测和控制溶解氧浓度有助于提高污水处理效果和节能降耗。
A
B
C
D
04
CHAPTER
溶解氧控制的实际应用
城市污水处理厂是处理城市生活和工业污水的重要设施，溶解氧控制是其中的重要环节。
通过控制溶解氧的浓度，可以促进微生物的生长和代谢，提高污水处理的效率。
外部补给
03
其他生物反应
除上述反应外，还有其他生物反应如反硝化等也会消耗溶解氧。
01
有机物分解
污水中的有机物在微生物的作用下分解，消耗溶解氧。
02
硝化反应
在硝化细菌的作用下，氨氮氧化为硝酸盐，过程中消耗溶解氧。
维持反应器中溶解氧的稳定
通过控制曝气量、进水量、排泥量等手段，保持反应器中溶解氧的稳定，以满足微生物的生长需求。
传统溶解氧控制技术难以实现精准控制
传统的溶解氧控制技术主要依靠经验判断和手动调节，难以实现精准控制，导致污水处理效果不稳定。
缺乏对溶解氧动态变化的快速响应
传统溶解氧控制技术对溶解氧动态变化的响应速度较慢，无法及时调整溶解氧水平，影响污水处理效果。
能耗较高
传统溶解氧控制技术需要消耗大量能源，增加了污水处理成本。
减少维护成本
合理的溶解氧控制可以延长污水处理设施的使用寿命，从而减少维护成本。
污水处理中的溶解氧控制与增加
污水处理中的溶解氧控制与增加污水处理是一个关乎环境保护和公共卫生的重要过程。
在污水处理中，溶解氧控制和增加是至关重要的一环。
本文将探讨污水处理中的溶解氧控制方法以及如何增加溶解氧的有效手段。
一、溶解氧控制方法1. 曝气法曝气是一种常见的污水处理方法，通过机械设备将空气注入污水中，使其与水中的溶解氧发生反应，从而增加溶解氧的含量。
曝气池是常见的曝气设备，通常通过增加曝气时间和曝气强度来调节溶解氧的含量。
2. 加氧法加氧法是通过添加化学氧化剂或电解法来增加溶解氧的含量。
化学氧化剂如过硫酸钠、高锰酸钾等能够促使溶解氧的生成。
电解法则通过电氧化反应将水分子电解成氧气和氢氧离子，从而增加溶解氧的含量。
3. 提高水体曝气面积通过增加水体的曝气面积，可以提高曝气效果，从而控制和增加溶解氧的含量。
例如，利用气浮法将水体分解成微小气泡，可大幅度提高曝气效果。
二、溶解氧增加的有效手段1. 植物富集氧气植物通过光合作用将二氧化碳转化为氧气，因此在污水处理中，可以通过植物生长来增加溶解氧的含量。
经过初步处理的污水可以引入生态湿地，利用水生植物富集氧气，有效提高水体溶解氧的含量。
2. 气液接触设备气液接触设备是一种常见的增加溶解氧的手段，通过将氧气通过微孔或喷射装置注入水体中，使其与水体充分接触，从而增加溶解氧的含量。
3. 增加底部搅拌设备在污水处理系统的底部安装搅拌设备，可以使底部的陈化物与水体充分混合，提高溶解氧的含量。
搅拌操作可以增加水体的氧化还原反应，从而增加溶解氧的浓度。
总结：污水处理中的溶解氧控制和增加是确保水质处理效果的关键环节。
通过曝气法、加氧法和提高水体曝气面积等方法可以有效地控制和增加溶解氧的含量。
此外，植物富集氧气、气液接触设备以及底部搅拌设备也是增加溶解氧的有效手段。
综上所述，合理选择和结合不同的溶解氧控制和增加方法，可以提高污水处理效果，保护环境和人类健康。
污水处理过程中溶解氧的智能控制
污水处理过程中溶解氧的智能控制发表时间：2018-09-17T16:47:58.387Z 来源：《基层建设》2018年第24期作者：金少波周琪[导读] 摘要：污水处理是防止水体污染的有效途径，目前多采用氧化沟工艺，通过去除污染物，促使水质达到排放标准。
浙江绿维环境股份有限公司浙江湖州 313000 摘要：污水处理是防止水体污染的有效途径，目前多采用氧化沟工艺，通过去除污染物，促使水质达到排放标准。
污水处理期间，如何对溶解氧进行智能控制，成为工作人员的研究重点。
本文首先介绍了污水处理在线软测量模型，然后阐述了曝气池的实时控制和溶解氧的智能控制方法，以供参考。
关键词：污水处理；曝气池；溶解氧；智能控制在污水处理过程中，曝气需要的能耗占比达到40%-50%，且曝气池中溶解氧的浓度高低，直接影响出水水质的好坏。
针对溶解氧进行智能控制，不仅能提高污水处理效率，降低电能损耗；还能减轻人工劳动量，提高出水水质。
以下结合实践，探讨了溶解氧的智能控制方法。
1．污水处理在线软测量模型污水处理期间，要想实现实时控制、闭环控制，首先要以水质参数作为反馈信号。
LSSVM软测量模型，是在支持向量机中引入最小二乘线性系统，解决分类问题和函数估计问题，能加快求解速度，增强抗干扰能力。
LSSVM算法描述是：给定样本集（x1，y1），（x2，y2），…，（xi，yi），xi∈Rd为d维输入向量，yi∈R，i=1，2，…，n。
首先利用非线性映射，将输入向量映射到高维特征空间，最优化决策函数为：2．污水处理中曝气池的实时控制利用污水处理在线软测量模型，获得实时出水参数值，为处理作业提供反馈信号，从而建立溶解氧实时闭环控制系统。
具体方法如下：根据进水水质的不同，利用该模型预测出水参数值，将其作为反馈信号，调整进水水质对应的溶解氧设定值；然后采用神经网络逆控制器，跟踪溶解氧设定值，对曝气量优化控制，在保证出水水质的前提下，减少电能损耗，降低运行费用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
污水处理过程溶解氧浓度的自抗扰控制
摘要：伴随着当今社会快速发展，国家在社会快速发展的过程中，越来越重视
当今资源的可持续发展，尤其是近年来国家工业化水平的不断提高，国家为了能
够有效保证水资源的合理利用，出台相关政策，要求国内的工厂对污水进行合理
化处理，在污水处理工作开展过程中，很多大型工厂都选取运用溶解氧浓度的方
式进行污水处理。
溶解氧是活性污泥法处理污水工作开展过程当中的重要变量，
同时也能够有效影响到污水中，生物降解效率，微生物生长效率和水质等问题。
因此，本文就污水处理过程溶解氧浓度的自抗扰控制进行仔细分析。
关键词：污水处理溶解氧浓度自抗扰控制分析与论述
伴随国家工业化快速发展，在发展过程当中，大量消耗水资源，甚至会对水
资源产生污染。
因此，近几年来国家在发展过程中，为了保证资源的可持续发展，开始要求当今的工厂在生产过程当中注意工业用水的排放。
也为了更好的保证水
资源的合理利用，要求当今城市在进行生活污水处理过程当中，选取科学的污水
处理方式保护水资源。
一、活性污泥污水处理模型建设
活性污泥法在进行应用过程中，实际上是由两部分构成的，第一部分式好氧
生化反应池，第二部分是沉淀池。
在进行合理应用过程当中，必须要进行活性污
泥污水处理过程模型建设，才能够更好的保证该方法的合理使用。
为了能够更好
的顺应当今社会政策发展形势，我国现如今的污水处理厂以及工厂在进行污水处
理过程中开始进行自抗扰控制系统建设，提高对污水处理的效率，保证出水水质。
活性污泥法在进行整体处理过程当中，其工作原理就是利用活性污泥中的微生物
将污水中的有机污染物进行分解和化学变化，同时该方法也是目前城市在进行生
活污水处理过程当中最常用的一种污水处理方法。
在进行该方法应用过程当中，
主要处理流程分为两部分，一是好氧生化反应池处理部分，二是沉淀池处理部分。
好氧生化反应池在工作开展过程当中，首先需要在充氧的条件下，利用活性
污泥自身的工作特性对污染物进行凝聚吸附，然后再利用拥有的化学功能特性对
有机污染物进行化学分解，除氮除磷，然后对初期进行处理的污水将其导入沉淀
池中，在沉淀池中。
分离生化反应池会将水中的活性污泥进行详细处理，然后在
沉淀池中分为两个层次，上层清液和相应的沉淀物。
沉淀出来的活性污泥，其中
有一部分会回流到生化反应池继续工作，另一部分则直接被误你屋水处理系统直
接排除，形成一个良好的动态平衡。
保证沉淀池在工作过程当中能够有效平衡好
氧生化反应池当中的污泥浓度，提高污水处理效率。
活性污泥法在对水体进行净
化过程当中，其实质就是利用活性污泥中的微生物特性，对污水中的有机物污染
进行清理。
二、污水处理控制方案设计
在对溶解氧浓度进行控制过程中，可以利用智能化设备对其直接监控。
而且
溶解氧浓度在污水处理工作开展过程当中能够更好的在线监测，并且精度较高，
通过在线的实时监测溶解氧浓度，可以将其控制在一定浓度范围之内，保证工作
过程当中好氧的生化反应池内的使微生物降解工作效率，大大提高了出水水质。
因此，溶解氧控制已经成为了当今污水处理过程中最常用的一种污水处理方法。
在进行活性污水处理过程中，其主要的处理流程就是污水在进入好氧生化反
应池之后，需要在池内放置一段时间，与好氧生化反应池内部的微生物产生化学
反应，看见化学反应之后再回将其引导入沉淀池，在沉淀池之内也需要通过相应
的化学反应提高溶解氧浓度，但是在进行沉淀池化学反应开展过程当中，不能够
对溶解氧浓度进行大量提高，否则会产生较大的能量损耗，也会导致出水水质不
达标。
因此，在正常污水处理过程中，首先作为工作人员一定要给定一个合理的
曝气量，然后控制好污水在进行去污过程当中的变化率。
保证肯定只是内容接氧
浓度符合工作标准，同时大大提高出水水质。
三、线性自抗扰控制
首先，线性自抗扰控制系统概念实际上是有我国高志强教授提出的，在进行
整体设计过程中，线性自抗扰控制系统继承了自抗扰控制的核心工作原理和新理
念和新思想以及优势。
在进行设计后期过程当中，利用线性扩张状态观测器对系
统的数据进行实时监控，也一定要仔细观察系统内外的扰动情况，若扰动情况发
生偏差与动态时，作为工作人员要在数据上给予一定补偿，提高系统的优良控制
性能，同时也必须要对自扰抗控制系统的结构进行合理控制，在控制过程中可以
借鉴PLC控制系统的工作原理以及负反馈控制对系统进行详细设计，确保系统工
作的智能化，合理性，科学性，在进行整体研究过程当中，也一定要确保外部干
扰信号符合系统的扰动状态，当扰动信号和扰动状态同时发生平衡时，系统就能
够正常工作，并且高速工作，提高出水水质。
四、溶解氧浓度的自抗扰控制设计
进行溶解氧浓度的线性自抗扰控制系统建设过程当中，首先一定要保证系统
的稳定性因此，在进行整体设计过程当中，首先要对系统的闭环稳定性进行详细
分析，计算污水处理过程线性自抗扰控制律，在进行空置率整体计算过程当中，
首先一定要对污水处理过程的状态进行掌握，其次还要对污水处理过程当中微生
物浓度，氧气浓度数据进行收集。
运用观测器对参数进行控制，把控，然后进行
计算。
当以上计算步骤结束之后，要对系统的抗扰性能进行整体分析，在对抗老
性能进行分析过程当中，首先一定要根据计算公式计算出阶跃信号，计算系统的
稳态。
在对线性自找控系统进行整体建设过程当中，作为工作人员不仅要保证闭
环传递函数能够有效计算，其次还要保证系统的闭环系统能够有效运行，科学设
计系统的工作方式，保证系统在工作过程当中不仅能够有效提高出水水质，同时
也能够减少资源浪费。
五、仿真实验开展
在进行自扰动控制系统设计过程当中，也一定要开展一定的仿真实验。
在仿
真实验开展过程当中，分为三组实验同时开展。
在进行第一组实验开展过程当中，一定要考虑进水底物浓度对污水处理效果的影响，然后运用数据计算保证水底物
浓度辅和工作需求。
在第二组实验开展过程当中，要考虑到污水的进水水质动态
变化，充分利用实践数据的准确性来确保系统的工作效率，符合和污水处理要求。
【总结】本文就污水处理过程溶解氧浓度自抗扰控制进行仔细分析，在进行
分析过程当中详细介绍了我国目前的工业污水，生活污水处理现状，也详细介绍
了如何设计自抗扰控制系统。
随着国家经济快速发展，国家越来越重视资源的可
持续发展，因此，在工业发展过程当中，国家非常重视污水处理情况，以及城市
污水，生活污水处理状况，希望通过本文的仔细分析，能够大大推动我国当今污
水处理工作的快速发展，提高我国污水处理效率，保证出水水质。
参考文献
[1]魏伟;王蒙;刘载文;王小艺.基于活性污泥法的污水处理线性自抗扰控制[J].计
算机仿真,2015,v.32,423-427.
[2]魏伟;王小艺;王藩;刘载文.基于线性自抗扰的城市污水脱氮控制仿真[J].化工
学报,2016,v.67,354-361.
[3]高阳;吴文海;嵇绍康;郑毅.基于高阶LADRC的V/STOL飞机悬停/平移模式鲁棒协调解耦控制[J].北京航空航天大学学报,1-11.
[4]杨林;曾江;黄仲龙.线性自抗扰技术在LCL逆变器并网电流控制及有源阻尼中的应用[J].电网技术,1-9.
[5]陈增强;王永帅;孙明玮;孙青林.非最小相位时滞系统新型Smith自抗扰控制及其鲁棒性[J].大连理工大学学报,2019,92-100.
[6]丁美玲;刘丙友;王力超.基于改进型自抗扰控制的球杆系统位置控制[J].新乡学院学报,2018,v.35;No.190,51-54+81.。